前文傳送門：
「Python 圖像處理 OpenCV （2）：像素處理與 Numpy 操作以及 Matplotlib 顯示圖像」
圖像屬性
圖像屬性包括行數，列數和通道數，圖像數據類型，像素數等。
1. 形狀：shape
圖像的形狀可以通過 shape 關鍵字進行獲取，使用 shape 關鍵的后，獲取的信息包括行數、列數、通道數的元祖。
需要注意的是，如果是灰度圖片，只會返回圖像的行數和列數，而彩色圖片才會圖像的行數、列數和通道數。
示例如下：
import cv2 as cv
# 讀取彩色圖片
color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)
print(color_img.shape)
# 結果打印
(310, 560, 3)
# 讀取灰度圖片
gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)
print(gray_img.shape)
# 結果打印
(310, 560)
2. 像素數量：size
圖像的像素數量可以通過關鍵字 size 進行獲取。
同樣需要注意的是，灰度圖片的像素數量是要小於彩色圖片的，具體的關系是 1/3 。
import cv2 as cv
# 讀取彩色圖片
color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)
print(color_img.size)
# 結果打印
520800
# 讀取灰度圖片
gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)
print(gray_img.size)
# 結果打印
173600
3. 圖像類型-dtype
圖像類型是通過關鍵字 dtype 獲取的，通常返回 uint8 ，這個屬性在彩色圖片和灰度圖片中是保持一致的。
注意 dtype 在調試時非常重要，因為 OpenCV-Python 代碼中的大量錯誤是由無效的數據類型引起的。
import cv2 as cv
# 讀取彩色圖片
color_img = cv.imread("maliao.jpg", cv.IMREAD_ANYCOLOR)
print(color_img.dtype)
# 結果打印
uint8
# 讀取灰度圖片
gray_img = cv.imread("maliao.jpg", cv.IMREAD_GRAYSCALE)
print(gray_img.dtype)
# 結果打印
uint8
獲取圖像感興趣 ROI 區域
ROI（Region of Interest）表示感興趣區域。
它是指從被處理圖像以方框、圓形、橢圓、不規則多邊形等方式勾勒出需要處理的區域。可以通過各種算子（Operator）和函數求得感興趣ROI區域，並進行圖像的下一步處理，被廣泛應用於熱點地圖、人臉識別、圖像分割等領域。
如果我們要對於圖像中的眼睛檢測，首先對整個圖像進行人臉檢測。在獲取人臉圖像時，我們只選擇人臉區域，搜索其中的眼睛，而不是搜索整個圖像。它提高了准確性(因為眼睛總是在面部上:D )和性能(因為我們搜索的區域很小)。
我們通過像素矩陣可以直接得到 ROI 區域，如： img[200:400, 200:400] 。
比如下面這個示例我們獲取馬里奧的臉，然后再把它顯示出來：
import cv2 as cv
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
face = img[10:175, 100:260]
# 原始圖像顯示
cv.imshow("demo", img)
# 馬里奧的臉顯示
cv.imshow("face", face)
#等待顯示
cv.waitKey(0)
cv.destroyAllWindows()
它的結果如下：
如果我們要把這兩張圖像合成一張圖像，可以對圖像進行區域賦值：
import cv2 as cv
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
# 獲取 ROI 區域
face = img[10:175, 100:260]
# 圖像賦值
img[0:165, 0:160] = face
# 原始圖像顯示
cv.imshow("demo", img)
#等待顯示
cv.waitKey(0)
cv.destroyAllWindows()
結果如下：
這里我稍微偷點懶，直接就把 ROI 區域放在了圖片的左上角，這個位置可以隨意指定，但是指定的區域要和 ROI 的區域一樣大，否則會報一個 ValueError 的錯誤。
拆分和合並圖像通道
1. 拆分圖像通道
有些時候，我們需要分別處理圖像的 B，G，R 通道。的通道，用 PS 摳過圖的人應該都清楚摳圖的時候可以使用單通道進行摳圖操作。
將圖像的通道拆分出來可以使用 split() 函數，如下：
import cv2 as cv
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
#拆分通道
b, g, r = cv.split(img)
# 分別顯示三個通道的圖像
cv.imshow("B", b)
cv.imshow("G", g)
cv.imshow("R", r)
# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()
結果如下：
可以看到，三個通道的圖像看起來都是灰白色的，這個玩過 PS 的人應該都很熟悉。
除了使用 split() 函數獲取圖像通道，還可以通過索引進行獲取，代碼如下：
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]
如果需要將所有紅色像素都設置為零，無需先拆分通道，索引更快：
img[:, :, 2] = 0
注意：
split()函數是一項耗時的操作（就時間而言）。因此，僅在必要時才這樣做。否則請進行Numpy索引。
2. 合並圖像通道
合並圖像通道我們使用函數 merge() ，示例如下：
import cv2 as cv
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
# 拆分通道
b, g, r = cv.split(img)
# 合並圖像通道
m = cv.merge([r, g, b])
cv.imshow('merge', m)
# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()
結果如下：
這里如果是按照 [r, g, b] 進行圖像通道合並，我們的馬里奧就會變身成為藍精靈，因為 OpenCV 是按照 BGR 讀取的，如果想要顯示會原圖，合並的時候也按照 [b, g, r] 合並即可，如下：
如果我們想要做一個真正的藍精靈，可以只提取 B 顏色通道，其余兩個 G 、 R 通道全部設置為 0 ，這樣，我們就獲得了一個真正的藍精靈（整個圖像只有藍色通道），代碼如下：
import cv2 as cv
import numpy as np
# 讀取圖片
img = cv.imread("maliao.jpg", cv.IMREAD_UNCHANGED)
rows, cols, chn = img.shape
# 拆分通道
b = img[:, :, 0]
g = np.zeros((rows,cols), dtype=img.dtype)
r = np.zeros((rows,cols), dtype=img.dtype)
# 合並圖像通道
m = cv.merge([b, g, r])
cv.imshow('merge', m)
# 等待顯示
cv.waitKey(0)
cv.destroyAllWindows()
結果如下：
同理，如果想要綠精靈和紅精靈，一樣可以做出來。
示例代碼
如果有需要獲取源碼的同學可以在公眾號回復「OpenCV」進行獲取。